Regional simulation of Indian summer monsoon intraseasonal oscillations at gray-zone resolution
Notice bibliographique
Résumé
Abstract. Simulations of the Indian summer monsoon by the cloud-permitting Weather Research and Forecasting (WRF) model at gray-zone resolution are described in this study, with a particular emphasis on the model ability to capture the monsoon intraseasonal oscillations (MISOs). Five boreal summers are simulated from 2007 to 2011 using the ERA-Interim reanalysis as the lateral boundary forcing data. Our experimental setup relies on a horizontal grid spacing of 9 km to explicitly simulate deep convection without the use of cumulus parameterizations. When compared to simulations with coarser grid spacing (27 km) and using a cumulus scheme, the 9 km simulations reduce the biases in mean precipitation and produce more realistic low-frequency variability associated with MISOs. Results show that the model at the 9 km gray-zone resolution captures the salient features of the summer monsoon. The spatial distributions and temporal evolutions of monsoon rainfall in the WRF simulations verify qualitatively well against observations from the Tropical Rainfall Measurement Mission (TRMM), with regional maxima located over Western Ghats, central India, Himalaya foothills, and the west coast of Myanmar. The onset, breaks, and withdrawal of the summer monsoon in each year are also realistically captured by the model. The MISO-phase composites of monsoon rainfall, low-level wind, and precipitable water anomalies in the simulations also agree qualitatively with the observations. Both the simulations and observations show a northeastward propagation of the MISOs, with the intensification and weakening of the Somali Jet over the Arabian Sea during the active and break phases of the Indian summer monsoon.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».